LÍNEAS DE POBREZA ¿CUÁLES Y CÓMO VALORARLAS? - Dialnet

ESTIMACIÓN DE COEFICIENTES DE ORSHANSKY A
PARTIR DE UN SISTEMA COMPLETO DE ECUACIONES DE
DEMANDA: UNA NUEVA METODOLOGÍA PARA LA
ELABORACIÓN DE UMBRALES DE POBREZA
Jorge Enrique Muñoz Ayala1
LÍNEAS DE POBREZA ¿CUÁLES Y CÓMO
VALORARLAS?
Actualmente se encuentra abierta la discusió sobre cómo medir cuántas personas pobres hay en Colombia. Se sabe que no existe una medida que recoja
integralmente todos los conceptos sobre pobreza, y que a su vez, sea capaz
1
Magíster en Ciencias Económicas, actualmente se desempeña como economista de la
oficina de Asesores del Gobierno en Asuntos Cafeteros y como docente de econometría de varias universidades. E-mail: [email protected], [email protected] Dirección de correspondencia: Calle 14 No 6-25. Universidad
del Rosario, Facultad de Economía (Bogotá, Colombia).
Este artículo es producto de la Tesis de Maestría en Ciencias Económicas de la Universidad Nacional de Colombia. El autor agradece a su director de tesis, el profesor Manuel
Muñoz; los valiosos comentarios de Juan Carlos Ramírez, Fernando Medina, Jorge Iván
Gonzáles (jurado de la Tesis), Juan Jaime Wiesner y de los dos jurados anónimos asignados por la revista. Esta investigación también se llevó acabo para Colombia gracias a
la financiación de la oficina de la CEPAL.
El código elaborado en STATA que se utilizó para las estimaciones y el método bietápico de la forma reducida alternativa, pueden solicitarse al autor.
Este artículo fue recibido el 31 de enero de 2007 y su publicación aprobada el 15
de diciembre de 2008.
191
192
Cuadernos de Economía, 28(50), 2009
de discriminar la población total de un país en dos grupos bien definidos:
pobres y no-pobres. En este sentido tampoco es posible responder de manera precisa ¿por qué una persona es pobre? o ¿por qué corre el riesgo de
llegar a serlo?
La forma convencional de medir el nivel de pobreza de un país, utiliza el
nivel de ingresos de las familias y los compara frente a un umbral, comúnmente llamado valor de línea de pobreza. Este umbral se define como el
valor de la canasta mínima de bienes y servicios que una familia debería
adquirir para suplir sus necesidades más básicas de supervivencia y bienestar. Si el ingreso familiar (per cápita) está por debajo de este umbral,
entonces se dice que la familia es pobre. De forma similar, los hogares que
tienen ingresos menores al valor de una canasta básica de alimentos (valor de línea de indigencia) se encuentran en situación de pobreza extrema,
puesto que sus ingresos no alcanzan para adquirir los alimentos que contienen las cantidades mínimas de nutrientes necesarias para tener un buen
funcionamiento del organismo humano, y para evitar problemas de salud y
enfermedades crónicas que se derivan de la desnutrición.
Existen varias formas de construir ese umbral de pobreza. Por ejemplo,
la metodología del Banco Mundial clasifica los hogares entre pobres y no
pobres utilizando una medida estandarizada para todos los países: un hogar es pobre si su ingreso per cápita diario es menor a 2 dólares de paridad
de poder de adquisitivo (power parity purchasing, PPP)2 . Por otro lado, los
cálculos de la CEPAL determinan el valor de la línea de pobreza para cada país de la región, con base en el valor de una canasta normativa de
alimentos –cuya composición cubre los requerimientos mínimos calóricos
para que una persona goce de buena salud y no enferme–3 , la disponibilidad
efectiva de los alimentos y los precios relativos de los mismos; luego, el valor de esa canasta se multiplica por un coeficiente (que tradicionalmente se
2
Reddy y Pogge (2002) critican al Banco Mundial. Aducen que se han hecho estimaciones erróneas del nivel de pobreza para los países en todos los años y sobreestimado
la tasa de disminución de la pobreza cuando se utiliza la metodología de dólares PPP.
Argumentan que cuando se utilizan factores más realistas de la conversión de la paridad
de poder adquisitivo, relacionados más de cerca con los costos de vida de los pobres, se
habrían obtenido líneas de pobreza nacionales (en la mayoría de los países) superiores
a las líneas internacionales de pobreza en dólares PPP.
3
La estimación de los requerimientos nutricionales de la población de América Latina, se
ajusta comúnmente a las recomendaciones vigentes de la FAO-OMS-UNU en necesidades de energía y proteínas, y además se tiene en cuenta la estructura sociodemográfica
según área urbana y rural a partir de la información censal de los países. La metodología de la CEPAL tiene la ventaja de que cuando se hace la valoración utilizando una
canasta normativa,
Estimación de coeficientes de Orshansky
Jorge Muñoz
193
conoce con el nombre de inverso de coeficiente de Engel o de Orshansky)
que permite estimar el total de recursos requeridos por los hogares para satisfacer el conjunto de necesidades básicas alimentarías y no-alimentarías4 .
Otra metodología (Kakwani 2001), determina una canasta de costo mínimo que cumple con los requerimientos mínimos calóricos asociados con
un nivel mínimo de utilidad (mínimo estándar de vida)5 . Seguidamente, se
ordenan los hogares con respecto al gasto en alimentos y se estima el coeficiente de Engel con los hogares cuyo gasto está alrededor del valor de la
canasta de alimentos6 . Puesto que este coeficiente puede variar entre las regiones de un país (debido a la disponibilidad de alimentos y a los precios de
mercado), se construye un deflactor espacial para el coeficiente de Engel7 .
Esta metodología garantiza fundamentalmente la consistencia de la línea
de pobreza, en el sentido que, si dos personas tienen exactamente el mismo
estándar de vida, pero viven en diferentes regiones, ambos deberían ser
pobres o ambos deberían ser no-pobres.
Otros autores proponen utilizar curvas de Engel en alimentos y partir de
éstas, estimar el componente no-alimentario de la línea de pobreza. Por
ejemplo, Ravallion y Bidani (1994) estimaron líneas de pobreza para Indonesia basándose en una curva de Engel tradicional, en la cual incluían
además un vector de variables dummy que capturaba las diferencias en los
precios relativos a nivel espacial (según zona: rural/urbana) y las diferencias relativas en los servicios públicos. Asimismo, incorporaron un vector
implícitamente hace énfasis también en los requerimientos mínimos para que las personas gocen de una buena salud y eviten enfermarse por causa de desajustes nutricionales.
Esto se traduce en que no sólo los requerimientos calóricos son importantes en si, sino
también la calidad y diversidad de los alimentos que aparecen en el vector de bienes
que cumple con dichos requisitos.
4
La metodología de la CEPAL adopta un coeficiente fijo para todos los hogares: 2 para
las áreas urbanas y 1, 75 para la zona rural.
5
La técnica de Kakwani, supone que el costo calórico real, el cual esta asociado con
los requerimientos nutricionales, es una función monótonamente creciente del nivel
de utilidad que gozan los hogares. En este sentido, como se trata de encontrar un
nivel mínimo de utilidad, la canasta de alimentos se valora utilizando los gastos de la
población del primer quintil de ingresos (o de gastos).
6
Kakwani selecciona los hogares cuyo gasto en alimentos está entre el 90 % y el 110 %
del valor de la canasta de alimentos.
7
li
El valor de línea de pobreza esta dada por: lp = 100 ∗ R
, donde li es el valor
de la canasta de alimentos, R es el coeficiente de Engel que se construye como:
Ia
R = [h∗SP I ah∗SP
, donde h, es el coeficiente de Engel tradicional (participa+(1−h)SP I na ]
ción del gasto en alimentos en el gasto total), SP I son índices de precios espaciales,
tanto para alimentos (superíndice a) como para no-alimentos (superíndice na).
194
Cuadernos de Economía, 28(50), 2009
de variables sociodemográficas que mejoraba el ajuste del modelo8 . De esta forma estimaron coeficientes de Engel por región y los utilizaron para
estimar las líneas de pobreza.
LAS ECUACIONES DE DEMANDA
Otra forma de obtener una estimación del valor de línea de pobreza es mediante la utilización de algunas herramientas de la micro-econometría. Se
trata de entender a partir de un sistema completo de ecuaciones de demanda los patrones de gasto de los hogares y a partir de allí, descomponer
dicho patrón para obtener una aproximación de los gastos mínimos (o de
subsistencia) en dos canastas: una alimentaria y otra no-alimentaria.
Los sistemas de ecuaciones de demanda se han estimado recurrentemente
para analizar el comportamiento de los hogares en cuanto a sus decisiones
de consumo en bienes y servicios. Una experiencia abundante con este tipo
de modelos resultó en un entendimiento de las limitaciones que tenían las
diferentes formas funcionales que se utilizaban tradicionalmente a comienzos del siglo pasado (funciones Cobb-Douglas y CES), y en la necesidad
de especificar formas funcionales para cortes transversales que cumplieran
con los supuestos que provenían de la teoría microeconómica del consumo
(tales como homogeneidad de grado cero en precios e ingresos, simetría
en la matriz de Slutsky, sumabilidad, concavidad en la función de gasto,
etcétera). Los primeros trabajos que abordaron esta línea de investigación
fueron Stone (1954), MacFadden (1964), Theil (1965), Barten (1964), Deaton (1974, 1987), Christensen et al. (1975), Howe (1975, 1977), Pollack
and Wales (1969, 1978, 1980), Deaton and Mellbauer (1980a, 1980b), Lau
(1986), entre otros.
En Colombia existen varios antecedentes también, entre los cuales se encuentran los trabajos de Howe (1974), Ramírez (1989), Muñoz (1988, 1990)
8
La forma funcional de la curva de Engel es:
l
hj = α + β[ln(yi ) − ln(li)] +
φj Dji + x′ π + εi , donde hj es la proporción
j=1
del gasto en alimentos en el gasto total del j-ésimo hogar, yj es el ingreso per cápita
del hogar y π es un vector de parámetros que acompaña al vector x, el cual incluye
algunas características adicionales del hogar (por ejemplo, variables demográficas). En
la especificación también se introduce un vector de variables dummy Dj para capturar
los efectos regionales.
Estimación de coeficientes de Orshansky
Jorge Muñoz
195
y, más recientemente, Muñoz et al. (1998), y Rivas (2000)9 . En la tesis
doctoral de Howe se discuten varios aspectos referentes a la utilización de
sistemas de ecuaciones de demanda y se presentan resultados empíricos del
sistema lineal de gasto. En los trabajos de Muñoz también se hace referencia a la utilización de sistemas de ecuaciones de demanda para el análisis
del consumo de los hogares. Estos documentos sirvieron como base para la estimación de líneas de pobreza en Colombia. En el documento de
Ramírez se encuentra una revisión del estado del arte de la utilización de
sistemas de ecuaciones de demanda hasta finales de la década del ochenta;
por último, las otras investigaciones presentaron resultados empíricos de
sistemas de ecuaciones de demanda utilizando el microdato que provenía
de las encuestas de ingresos y gastos (1984-85, 1994-95).
La literatura sobre la utilización de sistemas de ecuaciones de demanda
siempre ha ido en progreso, por lo que se ha propuesto gran variedad de
formas funcionales con el fin de mejorar el entendimiento del consumo de
los hogares. Por ejemplo, algunos sistemas de ecuaciones de demanda,
como el sistema lineal de gastos (LES: linear expenditure system), supone
que el gasto en cada bien se puede descomponer aditivamente en dos: una
parte que representa al gasto de subsistencia y otra que mide el gasto por
encima de ese nivel.
En este sentido, el sistema LES se puede utilizar para construir umbrales
de pobreza a partir de la estimación de los consumos de subsistencia para
un determinado grupo de hogares, bien sea en rubros agregados (o desagregados) de bienes y servicios. En suma, la valoración de estos consumos
ofrece una estimación de la canasta básica de bienes y servicios mínima
con la que un hogar puede satisfacer sus necesidades esenciales. El valor de
esta canasta se conoce comúnmente como valor de línea de pobreza. Otra
ventaja que tiene el sistema LES y que en parte ha hecho que su uso se haya
popularizado rápidamente, es que esta forma funcional produce resultados
que se pueden interpretar fácilmente a la luz de la teoría microeconómica,
puesto que este sistema se deriva de una función explicita de utilidad, la de
Stone-Geary (Stone 1954).
Otros sistemas de demanda también se han utilizado con el propósito de
entender el consumo de los hogares, entre ellos se destacan: i) el sistema de
9
Con excepción de Howe (1974), todos estimaron este tipo de sistemas con base en la
información proveniente de las encuestas de ingresos y gastos (EIG) elaboradas por
el DANE entre 1984-1985 y entre 1994-1995. La tesis doctoral de Howe (1974), utiliza información proveniente de una encuesta de presupuestos familiares realizada en
Colombia por el CEDE entre 1967 y 1968.
196
Cuadernos de Economía, 28(50), 2009
Working (1943) y Lesser (1963), el cual provee un buen ajuste al consumo
de los hogares en algunos bienes, particularmente el de alimentos, ii) el
sistema cuadrático de gastos, con el cual se busca tener un mejor ajuste
a la curvatura de las Curvas de Engel en algunos bienes, iii) el modelo de
Rotterdam y iv) las formas funcionales flexibles cuyo sistema más conocido
es el sistema cuasi-ideal de ecuaciones de demanda (SCIED), el cual parte
de un modelo como el de Working y Lesser.
Mientras que los sistemas i), ii) y iv) permiten aproximarse a consumos
de subsistencia de cada bien (o grupo de bienes), el modelo de Rotterdam
no. En este documento se propone una metodología que facilita estimar
líneas de pobreza a partir de la utilización de sistemas de ecuaciones de
demanda; para ello se utiliza el sistema lineal de gasto con el fin de ilustrar
el mecanismo propuesto. No obstante, se debe aclarar que dicho método
puede extenderse a otros sistemas de ecuaciones de demanda en los cuales
sea posible estimar por separado los consumos de subsistencia para una
población determinada.
SISTEMA LES
El sistema LES se estima a partir de los datos de cantidades (xi ) y precios
(pi ) de n bienes y del ingreso o del gasto total de los hogares. El LES se
escribe como:
n
pih xih = phk γk + βi eh −
pkh γk ;
i, k = 1, . . . , n; h = 1, . . . , N
k=1
(1)
n
donde xih − γi > 0, 0 < βi < 1,
βi = 1.
k=1
pih xih , se interpreta como el gasto que hace el h-ésimo hogar en un bien xi
al precio pi . Este gasto se puede descomponer aditivamente en dos partes:
(i) la primera parte es el gasto en una mínima cantidad γk a los precios
pk , que se conoce también como gasto mínimo o gasto de subsistencia
requerido en el k-ésimo bien; (ii) la segunda parte es la fracción βi del
ingreso supernumerario, que se define como el monto del ingreso que está por encima del ingreso de subsistencia o gasto necesario para adquirir
todas las cantidades γk ; finalmente, eh es el gasto total del hogar. Como
βi > 0, entonces no se podrán obtener estimaciones para bienes inferiores y en el sistema todos los bienes se comportan como complementarios
brutos. Este modelo cumple con las propiedades de agotamiento del gasto,
Estimación de coeficientes de Orshansky
Jorge Muñoz
197
homogeneidad de grado cero en precios e ingreso y simetría de la matriz de
sustitución10 .
Como el gasto pkh γk es el gasto mínimo o de subsistencia que hacen los
hogares en el k-ésimo bien (o grupo de bienes), entonces la suma de todos
los k-ésimos bienes se convierte en una aproximación al valor de línea de
pobreza. No obstante, en (1) existe un problema de simultaneidad, por lo
que no es conveniente hacer estimaciones utilizando el método de MCO,
puesto que la estimación de los parámetros βi requiere de la estimación
simultánea de los parámetros γk en el mismo sistema. Igualmente, existe
un problema potencial de identificación porque el sistema se resuelve para
n bienes y se necesitaría estimar n elasticidades ingreso, n elasticidades
precio propio y n(n − 1)/2 elasticidades precio cruzadas, lo que en suma,
requiere estimar más parámetros de los que permite el sistema lineal de
gastos en su forma reducida, que es 2n.
El problema de la simultaneidad se puede resolver llevando la forma estructural dada en (1) a una forma reducida; mientras que el problema de la
identificación de los parámetros estructurales se puede solucionar por dos
caminos a partir de la estimación de la forma reducida: (i) con base en
el conocimiento previo de algún gasto mínimo de subsistencia dentro del
mismo sistema (comúnmente el gasto mínimo en el rubro de alimentos)11 ,
o (ii) transformando el sistema LES en el sistema lineal de gastos extendido (ELES: extended linear expenditure system), el cual permite identificar
todos los parámetros si se supone que el gasto de subsistencia en ahorro
es cero12 . Esto se puede suponer si se espera que una persona busque en
primer lugar suplir sus necesidades mínimas de subsistencia y que por último se preocupe por generar excedentes de su ingreso (ahorro), o lo que es
lo mismo, que una persona esta en capacidad de generar ahorro solamente
después de cubrir sus necesidades mínimas de subsistencia.
Las estimaciones para ambos sistemas utilizan los parámetros de forma reducida para obtener los de la forma estructural. La forma reducida del
10
Para mayor detalle véase por ejemplo: Howe (1975, 1977), Christensen et al. (1975) y
Kockleman (1998).
11
Se puede suponer que el consumo mínimo en alimentos proviene de una canasta
básica de alimentos CBA, la cual generalmente se basa en los requerimientos mínimos nutricionales de la población y que a su vez puede expresarse en términos percápita.
12
Esto equivale a estimar todas las ecuaciones del LES para n + 1 bienes, reemplazando
como variable explicativa en todas las ecuaciones el gasto total en n bienes, por el
gasto de los hogares en n + 1 bienes. El bien adicional corresponde, como se dijo, al
ahorro de los hogares.
198
Cuadernos de Economía, 28(50), 2009
sistema LES, en su representación estocástica, tiene la siguiente forma:
eih = αi + βi eh + εih ;
n
donde αi = γi − βi
n
i=1 αi
γi ;
h=1
i = 1, . . . , n; h = 1, . . . , N
n
i=1 βi
= 0;
(2)
= 1; y, eih corresponde
al gasto del h-ésimo hogar en el i-ésimo bien, y eh corresponde al gasto
total del hogar. Con el fin de obtener estimaciones diferenciadas por espacio
geográfico (localidad), se utiliza la siguiente representación que cumple con
las mismas propiedades expresadas en (2):
l
eih = βi eh +
wji Djih + εih ; i = 1, . . . , n; h = 1, . . . , N,
(3)
j=1
l = #de zonas geográficas
n
l
wij =
donde
i=j j=1
n
j=1 αi
= 0.
Además, se supone que los εh provienen de una distribución normal nvariada; con matriz de varianzas y covarianzas que cumple todos los supuestos clásicos.
SISTEMA LES EXTENDIDO
Con el fin de tener en cuenta algunas características del hogar y mejorar
el ajuste de las regresiones, se utilizó adicionalmente otra forma funcional
que se denominará en el documento forma extendida. En símbolos:
l
eih = βi eh +
k
wji Djih +
j=1
ηiJ ziJh + µih
(4)
J=1
Donde ηiJ representa el parámetro que acompaña la J-ésima variable de
vector de características adicionales z del hogar. Este vector se compone de
los años de educación y género del jefe de hogar, de la tipología familiar13 ,
una aproximación al ciclo de vida del hogar utilizando el número de hijos
menores (entre 7 y 12 años) que tienen presencia en el hogar. También se
13
Se toma la tipología familiar clásica: nuclear biparental, nuclear monoparental, extensa sin hijos, extensa con hijos, extensa monoparental, extensa sin núcleo, compuesta
nuclear, compuesta extensa, compuesta sin núcleo, hogar unipersonal y no familiar.
Estimación de coeficientes de Orshansky
Jorge Muñoz
199
incluyen en el vector z, otras características relacionadas con la condición
de pobreza de los hogares y una combinación lineal entre el gasto total, el
gasto en alimentos y el ingreso que consideran los hogares debería ser el ingreso mínimo mensual que requiere el hogar para satisfacer adecuadamente
sus necesidades14 .
LAS ETAPAS Y EL ESTIMADOR EN DOS ETAPAS
DE HECKMAN
Un aspecto importante que debe tenerse en cuenta a la hora de estimar este tipo de modelos está asociado con la presencia de un potencial sesgo
muestral, el cual inevitablemente desembocará en problemas de orden econométrico.
Teóricamente se puede afirmar que la decisión de consumir determinado
bien o servicio proviene de un proceso en dos etapas: (i) la fase de la decisión de comprar o no, conocida como etapa de participación, y (ii) la etapa
de la elección, en la que se decide cuánto gastar en cada bien. Comúnmente la encuestas solamente reportan la información sobre el gasto ejecutado
por cada hogar y no es posible observar todo el proceso de participación y
elección. Esto significa que la muestra seleccionada no fue completamente
aleatoria (dado que solamente incluye a las personas que ya habían tomado
la decisión de participar en el mercado), por tanto, las estimaciones que se
obtengan a partir de ella serán sesgadas e inconsistentes.
El problema de sesgo de selección muestral se puede advertir directamente
por la elevada proporción de observaciones missing en la variable dependiente (gasto por cada bien). Existen dos causas que pueden explicar las
observaciones missing: (i) infrecuencia de compra, dada por el corto período de la encuesta, (ii) preferencias de los consumidores: las personas
no compran el bien a los precios y niveles de ingresos dados (soluciones de
esquina).
Si se asume que el no-consumo (consumo cero) se debe a la infrecuencia
de compra (período corto de la encuesta), entonces lo más conveniente es
utilizar el modelo en dos etapas que propone Heckman (1979). Por el contrario, si se asume que el no-consumo proviene de soluciones de esquina,
es decir que son un resultado de la maximización de la utilidad, entonces el
estimador de Tobit sería el modelo más apropiado. En ambos casos, hacer
14
Esta combinación lineal corresponde al primer factor retenido en la estimación por el
método de componentes principales.
200
Cuadernos de Economía, 28(50), 2009
un diagnóstico alrededor de las razones que producen este tipo de problemas muestrales es precipitado y no sería concluyente con la información
disponible. No obstante, dado que el operativo de la encuesta se hace en un
período muy corto de tiempo y que la información recolectada está dirigida para grupos de bienes, parece conveniente atribuir el no-consumo a un
problema de selección muestral.
Siguiendo el modelo en dos etapas de Heckman, este problema se corrige
planteando ecuaciones separadas de participación y gasto para cada bien.
En la primera etapa, una regresión probit se utiliza para estimar la probabilidad de que un hogar decida consumir determinado bien (decida participar
en el consumo), esta regresión entonces se utiliza para estimar el inverso
de la razón de Mills (otras veces conocida como lambda de Heckman) para cada hogar, el cual será utilizado como un instrumento en la segunda
regresión. En la segunda etapa, se estima el modelo original (ecuaciones
de gasto) incluyendo el lambda de Heckman como una variable omitida del
modelo original, corrigiendo así el sesgo de selección. Con el fin de ilustrar
este procedimiento se supondrá un hogar que compara la oferta de bienes a
los precios de mercado (para el período de referencia de la encuesta), con
su gasto potencial o de reserva (pi qi )∗ , de modo que la oferta será aceptada
si pi qi < (pi qi )∗ y el i-ésimo bien es normal. Por tanto, el gasto esperado
de un hogar por el bien i será:
E[pi qi |pi qi < (pi qi )∗ ] = αi + βi eh + E[εi |pi qi < (pi qi )∗ ]
(5)
Como sólo se observa el gasto de los hogares que decidieron comprar a los
precios dados en el momento en que se preguntó en la encuesta y dado que
E[εi |pi qi < (pi qi )∗ ] probablemente es diferente de cero, los parámetros αi
y βi serán sesgados e inconsistentes.
Heckman (1979), propuso un estimador bietápico que proporciona estimaciones consistentes del modelo de interés, para ello se consideran dos ecuaciones para cada uno de los bienes, la primera se conoce como ecuación de
selección (o de participación) definida como:
∗
= hTih γi + uih
zih
(6)
donde zi∗ es una variable latente, γi es un vector de n × k × 1 parámetros,
hTi es un vector fila de dimensión 1 × n × k que incluye las variables
exógenas que determinan la participación de un hogar en el mercado del
bien i, finalmente ui es una perturbación aleatoria con distribución normal,
media cero y varianza 1. Como la variable latente es no-observable ya que
Estimación de coeficientes de Orshansky
Jorge Muñoz
201
no se conoce el gasto de reserva de los hogares, entonces se supondrá una
variable dicótoma observable que sigue la siguiente regla:
zih
1
0
∗ >0
zih
∗ ≤0
zih
La segunda ecuación corresponde al modelo original de interés (estándar
o extendido), eih = αi + βi eh + εih . Suponiendo que ε y u tienen una
distribución normal bivariante para cada uno de los i bienes:
uih
∼
εih
0
1 ρi
,
2
0
ρi σεi
Entonces, el método en dos etapas propuesto por Heckman consiste en estimar primero la ecuación de selección utilizando un probit, luego se utilizan
estos resultados para estimar el valor λ por hogar, que corrige el sesgo de
selección en la estimación por MCO de la siguiente regresión:
e∗ih = E[e∗ih |zih > 0] + vih
· = E[e∗ih |uih > −h′ih γi ] + vih
· = E[α∗i + βi∗ e∗h + ε∗ih |uih > −h′ih γi ] + vih
· = α∗i + βi∗ e∗h + E[ε∗ih |uih > −h′ih γi ] + vih
· = α∗i + βi∗ e∗h + (ρ.σεi )λih + vih
e∗ih = α∗i + βi∗ e∗h + βλi λih + vih
φ(h′ih γi )
es la inversa del ratio de Mills (o lambda de HeckΦ(h′ih γi )
man) y entra en el modelo de interés como una variable omitida. φ(·) es
la función de densidad normal estándar evaluada en el argumento h′ih γi ,
Φ(·) es la función de distribución acumulativa para una variable aleatoria
normal estándar evaluada en el mismo argumento y vih es una perturbación
aleatoria que tiene media y varianza condicional dadas por:
donde λih =
E[vih |zih > 0] = 0,
2
var[vih |zih > 0] = σεi
(1 − ρ2i δih )
Como se observa, la varianza del modelo corregido es heterocedástica, pero
puede obtenerse una estimación consistente de la matriz de varianzas y covarianzas del estimador bietápico utilizando un estimador tipo HCE (Huber
1967, Eicker 1967) o de tipo White (1980).
Al hacer este tipo de estimaciones existe un potencial trade-off, puesto que
se estiman por separado las probabilidades de que un hogar participe en el
202
Cuadernos de Economía, 28(50), 2009
mercado de cada bien, en consecuencia se calculan tantas razones de Mills
como bienes (o grupos de bienes) hay en el sistema. De esta manera, las
ecuaciones de forma reducida se descompensan y pierden la propiedad de
representar el sistema de ecuaciones original en su forma estructural. Lo
anterior significa que a partir de la forma reducida corregida por sesgo de
selección no es posible volver a la forma estructural, dado que las propiedades teóricas del sistema lineal de gasto ya no se cumplen, por tanto, no
es posible estimar los parámetros estructurales.
Para solucionar este inconveniente, se propone seguir un mecanismo en dos
etapas: (i) estimar la forma reducida para cada bien corrigiendo el sesgo
de selección en los parámetros, y (ii) utilizar los pronósticos para volver a
calcular el sistema de ecuaciones sin datos missing, pero compensado de tal
forma que se llegue a una forma reducida alternativa, de la cual sea posible
regresar a la forma estructural. La Gráfica 1 resume dicho mecanismo.
GRÁFICA 1
MECANISMO PARA RESCATAR LA FORMA ESTRUCTURAL A PARTIR DE
UNA FORMA REDUCIDA ALTERNATIVA SIN SESGOS DE SELECCIÓNn
Fuente: elaboración propia.
Finalmente, antes de presentar los resultados es importante aclarar que los
umbrales de pobreza calculados en este documento no apuntan a la estimación de umbrales de pobreza relativos, puesto que se buscan los consumos
Estimación de coeficientes de Orshansky
Jorge Muñoz
203
mínimos de subsistencia para un hogar representativo en cada una de las
localidades.
Esta metodología pretende mostrar la manera cómo se pueden obtener diferentes umbrales de pobreza a partir de la estimación de un sistema de
ecuaciones de demanda y cómo las diferencias entre los umbrales se explican por las divergencias en el consumo de los hogares, en sus características
socio-demográficas y en su ubicación espacial. Esta aclaración es necesaria hacerla, dado que existen grandes diferencias, desde el punto de vista
conceptual, entre umbrales de pobreza relativos y absolutos15 .
RESULTADOS
En esta sección se presenta una aproximación a los gastos de subsistencia de
los hogares bogotanos estimados a partir de un sistema completo de ecuaciones de demanda. Para ello, se utilizó la información que proviene del
modulo de gastos de la Encuesta de Calidad de Vida de 200316 (ECV03).
Existen dos razones para utilizar dicha información: (i) aproximarse a la
estructura de consumo más reciente de los hogares, y (ii) tener información
estadísticamente representativa para la ciudad de Bogotá y cada una de sus
19 localidades.
15
Los procedimientos habituales de determinación del umbral de pobreza relativa utilizan algún estadístico (media, mediana, percentiles) de la distribución de los ingresos o
gastos de los hogares. Comúnmente se suelen fijar de manera arbitraria estas líneas a
partir de dichas distribuciones. Aunque algunos países miembros de la Unión Europea
realizan estudios con líneas de pobreza absoluta, la mayoría han optado, de acuerdo
con la definición de pobreza del Consejo Europeo de 1984, por utilizar líneas relativas.
La líneas más utilizadas son las que toma cómo umbral de pobreza una determinada
fracción del ingreso o gasto medio equivalentes (25 %, 40 %, ó 50 % de la media o la
mediana).
Estas líneas son adecuadas para identificar las características de las personas situadas
en la zona inferior de la distribución del gasto o del ingreso. En realidad están más
relacionadas con problemas de distribución que de carencias, en este sentido se podrían
considerar como medidas alternativas de desigualdad. En contraste, un caso especial
ocurre en Colombia, puesto que tiene uno de los más elevados índices de desigualdad
de toda América Latina e incluso del mundo; además un cuarto de su población
no tiene el ingreso necesario para adquirir una canasta básica de alimentos y a más
de la mitad no le alcanza su ingreso para comprar una no-alimentaria. Por estas
razones, no se justifica medir la pobreza a partir de medidas relativas y en ese caso las
medidas absolutas resultan más adecuadas para obtener los niveles de pobreza en el país.
16
En el modulo de gastos de la ECV03, los hogares responden de manera agregada por
grupos de bienes, igualmente se les pregunta en otras secciones de la encuesta sobre
los gastos en educación y en salud, esto permitió facilitar la agregación de los gastos de
los hogares.
204
Cuadernos de Economía, 28(50), 2009
Se aclara al lector que los resultados que aquí se presentan deben ser tomados con relativa cautela, puesto que la ECV03 en si misma no está diseñada
para extraer patrones detallados del consumo de los hogares. No obstante,
como el principal objetivo de este documento es presentar una metodología alternativa para la estimación de líneas de pobreza, esta información es
suficiente para ilustrar el método propuesto, el cual además se puede replicar perfectamente con la información que proviene de las Encuestas de
Ingresos y Gastos (EIG), encuestas que sí están diseñadas para analizar en
detalle (bien a bien) los patrones de consumo de los hogares17 .
Con base en esta información, esta sección muestra específicamente los
resultados de la estimación de los valores de línea de pobreza e indigencia
y el correspondiente cálculo del coeficiente de Orshansky18 para Bogotá (y
sus localidades) utilizando las ecuaciones 2, 3 y 4 corregidas por sesgos de
selección. Aunque la versión inicial del documento incluía los resultados de
ambos sistemas (LES y ELES), en este artículo se muestran solamente los
resultados del ELES19 . La Gráfica 2 resume la manera como se presentan
los resultados del artículo.
GRAFICA 2
FAMILIAS DE MODELOS A ESTIMAR
Fuente: elaboración propia.
17
Al momento de llevar a cabo esta investigación, la EIG más reciente era la de 19941995.
18
El coeficiente de Orshansky, que es el inverso del coeficiente de Engel, resulta de dividir
el gasto total entre el gasto en alimentos.
19
La razón fundamental es que algunos resultados del LES fueron inconsistentes, dado
que se obtuvieron umbrales de pobreza inferiores al valor de la línea de indigencia
calculado por el DANE. Esto se explicó básicamente porque la identificación de los parámetros estructurales se hizo con una misma canasta de subsistencia en alimentos para
todas las localidades (línea de indigencia para Bogotá), cuando en realidad la estructura
de consumo en alimentos difiere considerablemente entre ellas.
Estimación de coeficientes de Orshansky
205
Jorge Muñoz
En los anexos se presentan los parámetros de forma reducida estimados por
el método bietápico (Gráfica 1), los cuales cumplen las condiciones necesarias para identificar los parámetros de forma estructural. En el sistema
ELES, una de las condiciones de identificación está dada por la entrada del
parámetro que acompaña el ahorro, el cual se supone igual a cero.
En el Cuadro 1 se presentan los resultados de la forma estructural del sistema ELES simple, los cuales se refieren específicamente a los consumos
mínimos de subsistencia percápita en cada uno de los grupos de bienes
considerados. Como se observa, utilizando este sistema se puede estimar
además un nivel mínimo de subsistencia en alimentos, que para Bogotá se
ubicó alrededor de 90.770 pesos.
CUADRO 1
Educación
Vestido
Transporte
Vivienda
Salud
Personales
Ahorro
L.P.
C. O.
ELES Parámetros
HSGE Bogotá (γi )
HSLE Usme (γi )
San Cristobal (γi )
Tunjuelito (γi )
Bosa (γi )
Ciudad Bolivar (γi )
Rafael Uribe (γi )
Antonio Nariño (γi )
Kennedy (γi )
Fontibón (γi )
Engativa (γi )
Puente Aranda (γi )
Barrios Unidos (γi )
Mártires (γi )
Candelaria (γi )
Suba (γi )
Santafé (γi )
Teusquillo (γi )
Usaquén (γi )
Chapinero (γi )
Bogotá Media
Media(P)
Alimentos
RESULTADOS DEL SISTEMA ELES SIMPLE EN DOS ETAPAS.
PARÁMETROS DE FORMA ESTRUCTURAL. GASTOS DE SUBSISTENCIA
PARA BOGOTÁ Y SUS LOCALIDADES
$ 90.770
$ 52.505
$ 66.349
$ 76.306
$ 79.309
$ 77.673
$ 77.479
$ 82.457
$ 91.330
$ 92.866
$ 93.046
$ 85.394
$ 90.561
$ 99.684
$ 91.420
$ 98.687
$ 86.957
$ 121.041
$ 116.414
$ 181.862
$ 92.702
$ 90.467
$ 42.299
$ 13.618
$ 22.194
$ 24.801
$ 26.177
$ 20.007
$ 24.688
$ 33.311
$ 32.471
$ 46.821
$ 41.483
$ 49.104
$ 63.955
$ 46.201
$ 53.573
$ 65.493
$ 50.993
$ 77.715
$ 78.197
$ 97.155
$ 45.682
$ 41.823
$ 21.350
$ 15.485
$ 15.504
$ 16.037
$ 19.486
$ 15.918
$ 15.406
$ 18.970
$ 19.257
$ 21.473
$ 20.526
$ 22.916
$ 20.531
$ 20.233
$ 24.695
$ 23.356
$ 21.718
$ 30.396
$ 26.802
$ 45.877
$ 21.820
$ 20.746
$ 31.010
$ 23.203
$ 27.203
$ 27.171
$ 25.670
$ 28.558
$ 27.577
$ 27.966
$ 28.973
$ 30.595
$ 32.929
$ 29.727
$ 35.076
$ 30.844
$ 34.435
$ 34.579
$ 40.453
$ 39.799
$ 34.585
$ 48.770
$ 32.006
$ 31.016
$ 17.083
$ 7.702
$ 7.917
$ 9.326
$ 8.119
$ 8.855
$ 9.253
$ 11.512
$ 12.097
$ 13.800
$ 13.706
$ 11.552
$ 19.201
$ 12.823
$ 14.469
$ 26.644
$ 15.089
$ 28.834
$ 41.790
$ 63.487
$ 17.693
$ 16.136
$ 37.816
$ 20.497
$ 27.722
$ 22.558
$ 22.906
$ 18.096
$ 21.078
$ 30.414
$ 25.690
$ 35.808
$ 31.598
$ 32.343
$ 48.024
$ 36.855
$ 35.070
$ 50.394
$ 45.656
$ 64.595
$ 68.833
$ 147.042
$ 41.325
$ 36.750
$ 47.170
$ 14.314
$ 13.133
$ 18.622
$ 18.491
$ 31.495
$ 27.017
$ 32.585
$ 42.421
$ 14.355
$ 23.492
$ 30.192
$ 19.679
$ 67.083
$ 85.277
$ 95.951
$ 139.027
$ 80.774
$ 86.179
$ 109.171
$ 49.961
$ 38.649
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$ 287.499
$ 147.325
$ 180.021
$ 194.821
$ 200.159
$ 200.603
$ 202.499
$ 237.214
$ 252.239
$ 255.717
$ 256.780
$ 261.229
$ 297.028
$ 313.722
$ 338.938
$ 395.105
$ 399.894
$ 443.155
$ 452.797
$ 693.364
$ 301.190
$ 275.588
3,17
2,81
2,71
2,55
2,52
2,58
2,61
2,88
2,76
2,75
2,76
3,06
3,28
3,15
3,71
4,00
4,60
3,66
3,89
3,81
3,25
3,05
Media(P): Media de los parámetros estructurales ponderada por el tamaño de población de cada
localidad
L.P.: Linea de Pobreza. C.O.: Coeficiente de Orshansky
Fuente: elaboración propia con base en ECV03.
Este resultado se puede considerar como una estimación de la línea de indigencia para Bogotá y se destaca por su consistencia respecto a otros que
se obtienen tradicionalmente con métodos mucho más rigurosos20 . Por
20
Si se compara dicho valor con el de la canasta de requerimientos mínimos nutricionales
calculada por el DANE (84.563 pesos), se observa que queda levemente por encima
($6.207 pesos), lo cual proporciona la tranquilidad de que esta estimación, alternativa a
la utilizada por el DANE, resulta en cierto modo consistente.
206
Cuadernos de Economía, 28(50), 2009
ejemplo, la manera estándar de hacer el cálculo parte de valorar los requerimientos mínimos nutricionales para una población, los cuales se agregan
en una canasta básica de alimentos (CBA). El paso siguiente es buscar esta
CBA de acuerdo con los hábitos de consumo de una población de referencia21 . Posteriormente, los ítems que componen dicha CBA, deben valorarse
a los precios de mercado de cada dominio de estudio utilizando alguno de
los siguientes métodos: (i) el de costo mínimo de las calorías (Food Energy
Intake), (ii) el del costo de las necesidades básicas de una canasta normativa22 , o (iii) el costo de una canasta real que se observa a partir de los
hábitos de consumo de una población de referencia (precios implícitos en
las encuestas de ingresos y gastos).
Retomando los resultados del Cuadro 1, éstos también se pueden analizar
por localidad. Por ejemplo, se observa que Chapinero, Teusaquillo y Usaquén presentan el mayor consumo de subsistencia en alimentos ($181.862,
$121.041 y $116.414 respectivamente), mientras que la localidad de Usme presenta el más bajo ($52.505), seguido muy cerca por San Cristóbal,
Tunjuelito, Bosa, Ciudad Bolívar y Rafael Uribe. El valor de línea de indigencia calculado por el DANE (Departamento Administrativo Nacional
de Estadística de Colombia), es similar al observado en las localidades de
Antonio Nariño ($82.457) y Puente Aranda ($85.394)23 es la nota al pie:
“Si la línea del DANE fue calculada...”.
De otra parte, se puede concluir de forma anticipada que las localidades
de Usme, San Cristóbal, Tunjuelito, Bosa, Ciudad Bolívar y Rafael Uribe
se encuentran entre las más pobres de la ciudad. Por ejemplo, solo en estas localidades el gasto de subsistencia en alimentos estuvo por debajo del
valor de la línea de indigencia calculado por el DANE. Lo anterior puede
indicar que la ingesta de la población en estas localidades es de bajo costo
y probablemente de baja calidad, característica común de los hogares más
pobres en una población.
Por otra parte, y como era de esperarse, los valores del umbral de pobreza
en Chapinero, Usaquén y Teusaquillo están por encima del promedio de
21
Esta información se obtiene generalmente a partir de las encuestas de ingresos y gastos.
Si se hace la valoración utilizando una canasta normativa, se tiene además la ventaja de
que la canasta indique los requerimientos mínimos para que las personas gocen de una
buena salud.
23
Si la línea del DANE fue calculada con el primer cuartil de ingresos como población
de referencia, entonces se puede decir, en cuanto los hábitos de consumo de alimentos,
que las dos localidades en mención se comportan de manera similar a la población de
referencia de Bogotá. En este sentido surge una pregunta: ¿el patrón de consumo en
alimentos de los hogares en las localidades de Antonio Nariño y Puente Aranda refleja
adecuadamente los valores mínimos de subsistencia de toda la población bogotana?
22
Estimación de coeficientes de Orshansky
207
Jorge Muñoz
la ciudad. Esto se debe a que en estas localidades se concentra la población con mayor ingreso percápita de Bogotá, por lo tanto su estructura de
consumo difiere notablemente del promedio24 .
El Cuadro 2 y la Gráfica 3, muestran la magnitud y el orden de importancia
de cada uno de los rubros de gasto dentro de la canasta de subsistencia para
Bogotá. Aparece en primer lugar la canasta de subsistencia alimentaria que
representa 33 % del total de la canasta25 , los gastos personales aparecen
con una alta variabilidad entre las localidades, y representan 14 % de la
canasta, mientras educación y salud lo hacen en 28 %, y transporte, vestido
y vivienda participan en 11 %, 8 % y 6 %, respectivamente. Esto último se
encuentra en la misma línea de los resultados obtenidos por Muñoz (2005)
con el modelo LES.
CUADRO 2
SISTEMA ELES SIMPLE EN DOS ETAPAS: PARÁMETROS DE FORMA ESTRUCTURAL. COEF. DE ORSHANSKY, LÍNEAS DE POBREZA Y GASTOS
DE SUBSISTENCIA PARA BOGOTÁ
Rubro
Alimentos
Educación
Vestido
Transporte
Vivienda
Salud
Personales
Ahorro
L.P.
C. O.
HSGE
γi
$ 90.770
$ 42.299
$ 21.350
$ 31.010
$ 17.083
$ 37.816
$ 47.170
$0
$ 287.499
3,17
HSLE
µ
$ 92.702
$ 45.682
$ 21.820
$ 32.006
$ 17.693
$ 41.325
$ 49.961
$0
$ 301.190
3,25
µp
$ 90.467
$ 41.823
$ 20.746
$ 31.016
$ 16.136
$ 36.750
$ 38.649
$0
$ 275.588
3,05
Intervalo ± SE
Inferior
Superior
$ 90.262
$ 90.671
$ 36.579
$ 47.067
$ 19.120
$ 22.373
$ 29.614
$ 32.418
$ 12.905
$ 19.367
$ 30.016
$ 43.484
$ 29.854
$ 47.445
$0
$0
$ 248.351
$ 302.825
2,75
3,34
DANE_05
$ 84.563
$ 207.546
2,45
µ: media ponderada; µp : media ponderada por el tamaño de población de cada localidad
HSGE : modelo Heckman Simple Global; HSLE : modelo Heckman Simple por Localidades
L.P.: Linea de Pobreza
C.O.: Coeficiente de Orshansky
Fuente: elaboración propia con base en ECV03.
24
Estas tres localidades en su orden tienen el mayor ingreso per cápita: $2.693.668,
$2.490.492 y $1.465.326 respectivamente, mientras el de la ciudad es $799.529 (Se
consideraron los ingresos después de imputación por no-informantes (total y parcial) y
por renta de la vivienda, y ajustado a cuentas nacionales).
25
De acuerdo con Ravallion (1999), una jerarquía posible de las necesidades básicas empezaría con las necesidades alimentarias para la supervivencia, seguiría con las necesidades básicas no-alimentarias y terminaría con las necesidades básicas alimentarias
para la actividad económica y social.
208
Cuadernos de Economía, 28(50), 2009
GRÁFICA 3
SISTEMA ELES SIMPLE: GASTOS DE SUBSISTENCIA ± SE
m:media; m′ :media ponderada
HSGE : modelo Heckman Simple Global; HSLE : modelo Heckman Simple por Localidades
Fuente: elaboración propia con base en ECV03.
Como se observa en la Gráfica 4, los niveles de consumo de subsistencia
alimentarios tienden a parecerse a la línea de indigencia calculada por el
DANE, aunque en los extremos de la gráfica se presentan notables diferencias. En el extremo izquierdo aparecen las localidades más vulnerables, ya
que sus consumos de subsistencia alimentarios están por debajo del umbral
alimentario de la ciudad; mientras que en el extremo derecho aparecen las
localidades menos vulnerables, dado que demandan una canasta alimentaria quizás más costosa y más variada en nutrientes y proteínas que la del
umbral de subsistencia de la ciudad.
GRÁFICA 4
UMBRALES DE POBREZA E INDIGENCIA PARA BOGOTÁ Y SUS
LOCALIDADES
HELE : modelo Heckman Extendido por Localidades
Fuente: elaboración propia con base en ECV03.
Estimación de coeficientes de Orshansky
Jorge Muñoz
209
En línea con lo anterior, si se observa de izquierda a derecha en la misma
gráfica, la canasta no-alimentaria se hace más costosa (primera línea punteada), lo cual confirma que las localidades en el extremo izquierdo son
las más vulnerables a la pobreza. Un hogar promedio en estas zonas (Usme, San Cristóbal, Tunjuelito, Bosa, Ciudad Bolívar) sobrevive con una
canasta de bienes y servicios mucho más barata y menos variada. Esto se
explica básicamente porque los hogares más pobres, los cuales enfrentan
una mayor restricción presupuestal, tienen que elegir un vector de bienes y
servicios de menor precio que se ajuste a dicha restricción.
En contraste, las localidades del extremo derecho (Chapinero, Usaquén y
Teusaquillo) requieren una canasta no-alimentaria más costosa; en la medida en que los hogares se alejan de la pobreza y sus ingresos se incrementan,
empiezan a demandar una canasta de bienes y servicios más variada, que
a su vez, dependiendo de los lugares de compra, puede llegar a ser más
costosa. Lo anterior también se evidencia cuando se observa la tendencia
creciente de los gastos personales a media que los umbrales de subsistencia
se incrementan (ver Cuadro 1).
Por otra parte, también se destaca que el valor de las canastas alimentaria y
no-alimentaria de las localidades de Ciudad Bolívar, Rafael Uribe y Antonio Nariño, tiende a parecerse a las líneas de pobreza que calculó el DANE
para Bogotá (ver Gráfica 6).
GRÁFICA 5
SISTEMA ELES EXTENDIDO: GASTOS DE SUBSISTENCIA ± SE
m:media; m′ :media ponderada
HEGE: modelo Heckman Extendido Global; HELE: modelo Heckman Extendido por Localidades
Fuente: elaboración propia con base en ECV03.
Por último, en el Cuadro 3 se presentan los resultados obtenidos a partir
del sistema ELES extendido. Cuando se utiliza el modelo sin descomponer
el intercepto, se observa que en promedio una persona en Bogotá requiere
94.585 pesos para suplir sus necesidades de subsistencia alimentaria, valor
210
Cuadernos de Economía, 28(50), 2009
que es superior en 10.021 pesos al de la canasta de indigencia calculada
para Bogotá (84.563 pesos). En cuanto a la estimación del coeficiente de
Orshansky, se obtiene un coeficiente muy elevado frente a los estimados
con modelos anteriores, dado que la canasta no-alimentaria promedio sería
205 % más costosa que la canasta alimentaria. Este incremento se explica
principalmente por el aumento de los gastos de subsistencia personales, de
transporte y, en menor medida, de los gastos en educación y salud.
CUADRO 3
Educación
Vestido
Transporte
Vivienda
Salud
Personales
Ahorro
L.P.
C. O.
ELES Parámetros
HEGE Bogotá (γi )
HELE Úsme (γi )
San Cristobal (γi )
Tunjuelito (γi )
Bosa (γi )
Rafael Uribe (γi )
Ciudad Bolivar (γi )
Antonio Nariño (γi )
Engativá (γi )
Kennedy (γi )
Puente Aranda (γi )
Fontibón (γi )
Barrios Unidos (γi )
Mártires (γi )
Candelaria (γi )
Suba (γi )
Santafé (γi )
Teusquillo (γi )
Usaquén (γi )
Chapinero (γi )
Bogotá Media
Media(P)
Alimentos
RESULTADOS DEL SISTEMA ELES EXTENDIDO EN DOS ETAPAS. PARÁMETROS DE FORMA ESTRUCTURAL. GASTOS DE SUBSISTENCIA PARA
BOGOTÁ Y SUS LOCALIDADES
$ 94.585
$ 55.358
$70.486
$77.776
$79.872
$ 79.875
$ 87.064
$ 81.584
$ 91.262
$ 91.712
$ 84.953
$ 92.157
$ 88.419
$ 99.317
$ 90.732
$ 97.290
$ 87.897
$ 119.271
$ 113.853
$ 178.655
$ 93.028
$ 91.089
$ 60.774
$27.731
$36.378
$36.138
$39.020
$ 39.666
$ 35.056
$ 45.101
$ 51.688
$ 46.481
$ 61.073
$ 60.318
$ 75.696
$ 59.321
$ 64.700
$ 77.732
$ 62.248
$ 88.603
$ 90.933
$ 109.603
$ 58.289
$ 54.599
$ 18.342
$12.331
$11.822
$12.239
$15.392
$ 12.284
$ 12.443
$ 14.597
$ 16.215
$ 15.666
$ 18.504
$ 17.675
$ 16.202
$ 15.944
$ 20.666
$ 19.458
$ 17.391
$ 26.410
$ 22.242
$ 41.349
$ 17.833
$ 16.790
$ 47.317
$40.081
$43.599
$42.089
$41.470
$ 43.952
$ 44.662
$ 43.153
$ 47.050
$ 44.280
$ 44.732
$ 45.618
$ 49.236
$ 46.063
$ 49.024
$ 48.815
$ 54.665
$ 53.872
$ 48.838
$ 61.562
$ 46.987
$ 46.089
$ 19.555
$10.182
$9.422
$10.672
$9.298
$ 10.469
$ 11.500
$ 11.975
$ 14.341
$ 13.413
$ 12.317
$ 13.031
$ 18.245
$ 11.878
$ 14.022
$ 25.636
$ 16.036
$ 25.210
$ 37.350
$ 55.267
$ 17.382
$ 16.229
$ 49.822
$28.641
$36.072
$29.871
$ 30.549
$ 29.039
$ 26.606
$ 37.877
$ 38.665
$ 33.639
$ 39.788
$ 42.833
$ 54.840
$ 44.188
$ 42.110
$ 56.845
$ 52.732
$ 70.962
$ 74.922
$ 151.901
$ 48.531
$ 44.112
$ 92.710
$51.998
$51.501
$53.049
$63.819
$ 65.727
$ 68.402
$ 75.789
$ 61.103
$ 76.937
$ 62.250
$ 55.409
$ 67.238
$ 109.652
$ 123.720
$ 127.606
$ 168.670
$ 128.883
$ 125.471
$ 156.631
$ 89.150
$ 77.241
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
$383.105
$226.321
$259.280
$261.836
$279.420
$ 281.012
$ 285.734
$ 310.078
$ 320.323
$ 322.129
$ 323.617
$ 327.041
$ 369.876
$ 386.364
$ 404.974
$ 453.382
$ 459.639
$ 513.211
$ 513.608
$ 754.969
$ 371.201
$ 346.149
4,05
4,09
3,68
3,37
3,50
3,52
3,28
3,80
3,51
3,51
3,81
3,55
4,18
3,89
4,46
4,66
5,23
4,30
4,51
4,23
3,99
3,80
Media(P): Media de los parámetros estructurales ponderada por el tamaño de población de cada localidad
L.P.: Linea de Pobreza
C.O.: Coeficiente de Orshansky
Fuente: elaboración propia con base en ECV03.
El resultado por localidades es similar al agregado, valores de subsistencia
en alimentos similares a los que se obtienen con el modelo simple (HSLE)
y que se agrupan alrededor de una media de 93.028 pesos. La canasta noalimentaria por localidades del modelo HELE es 33 % más costosa que la
obtenida con el modelo HSLE ; este incremento se explica principalmente
por el aumento en los gastos personales, de transporte y de educación26 .
Esto hace que el coeficiente de Orshansky y el umbral de pobreza, sea 23 %
más alto que las estimaciones realizadas con el modelo simple.
26
Cuando se consideran los resultados por localidades, se debe advertir que tanto en el
modelo simple (HSLE ) como en el modelo extendido (HELE ), todos los resultados
fueron consistentes con la teoría. Para todas las localidades el umbral de pobreza (gastos
Estimación de coeficientes de Orshansky
211
Jorge Muñoz
La importancia relativa de la canasta alimentaria disminuye en relación con
la de gastos personales en el modelo ELES extendido (Gráfica 5 y Cuadro
4). Con respecto al modelo simple, la pérdida de importancia de la canasta
alimentaria (7 puntos porcentuales), es compensada por la ganancia en la
canasta de gastos personales (8 puntos porcentuales), en los otros rubros
las participaciones se mantienen relativamente constantes. Suponer que los
gastos personales dentro de una canasta de subsistencia casi igualan los
gastos de una canasta alimentaria y a su vez supera los gastos de la canasta
de servicios como educación y salud, resulta dudoso.
Lo que parece es que dicha canasta refleja los gastos de subsistencia (que
en realidad se puede interpretar como un nivel de consumo mínimo) en hogares de ingresos altos con consumo elevado, tanto en la variedad de bienes
y servicios que la componen, como en su costo -el cual se puede llegar a
explicar esencialmente por los lugares de compra. Resultados similares obtuvo Muñoz (2005) con el modelo LES extendido, lo que permite concluir
que el vector que compone la parte extendida de los modelos explica mejor
la varianza de los gastos personales en hogares de consumo elevado27 , y
por ende mejora el pronóstico del patrón de gasto en estos hogares.
CUADRO 4
SISTEMA ELES EXTENDIDO EN DOS ETAPAS: PARÁMETROS DE FORMA
ESTRUCTURAL. COEFICIENTES DE ORSHANSKY, LÍNEAS DE POBREZA
Y GASTOS DE SUBSISTENCIA PARA BOGOTÁ
HSGE
HSLE
Intervalo ± SE
γi
µ
µp
Inferior
Superior
Alimentos
$ 90.770
$ 92.702
$ 90.467
$ 90.262
$ 90.671
Educación
$ 42.299
$ 45.682
$ 41.823
$ 36.579
$ 47.067
Vestido
$ 21.350
$ 21.820
$ 20.746
$ 19.120
$ 22.373
Transporte
$ 31.010
$ 32.006
$ 31.016
$ 29.614
$ 32.418
Vivienda
$ 17.083
$ 17.693
$ 16.136
$ 12.90
$ 19.367
Salud
$ 37.816
$ 41.325
$ 36.750
$ 30.016
$ 43.484
Personales
$ 47.170
$ 49.961
$ 38.649
$ 29.854
$ 47.445
Ahorro
$0
$0
$0
$0
$0
L.P.
$ 287.499
$ 301.190
$ 275.588
$ 248.351
$ 302.825
C. O.
3,17
3,25
3,05
2,75
3,34
media ponderada; µp : media ponderada por el tamaño de población de
Rubro
DANE_05
$ 84.563
$ 207.546
2,45
µ:
cada localidad
HSGE : modelo Heckman Simple Global; HSLE : modelo Heckman Simple por Localidades
L.P.: Linea de Pobreza; C.O.: Coeficiente de Orshansky
Fuente: elaboración propia con base en ECV03.
Como se observa en la Gráfica 6, los umbrales de indigencia por localidades se agrupan con muy poca varianza alrededor de 93.028 pesos por mes;
de subsistencia alimentarios y no-alimentarios) estuvo siempre por encima del umbral
de subsistencia en alimentos. Esto se explica básicamente porque en el modelo ELES se
debe identificar también el umbral alimentario para cada localidad, lo que a diferencia
del modelo LES, no impone una mayor restricción sobre los demás parámetros. En el
modelo ELES sólo se supone que el gasto de subsistencia en ahorro es cero.
27
Esto se evidencia también en el incremento sistemático de los coeficientes de determinación en las ecuaciones de gastos personales, en relación con los coeficientes del resto
de ecuaciones.
212
Cuadernos de Economía, 28(50), 2009
en tanto que la brecha entre los umbrales de pobreza e indigencia se incrementa a medida que aumentan los gastos de subsistencia personales. Se
puede ver que la brecha no-alimentaria en las líneas del DANE es siempre
inferior a la brecha que se obtiene en el modelo extendido. Por lo tanto,
en todas las localidades el coeficiente de Orshansky y por consiguiente el
valor de umbral de pobreza, es siempre superior al del DANE, lo cual se
explica también por el acrecentamiento de los gastos personales.
GRÁFICA 6
UMBRALES DE POBREZA E INDIGENCIA PARA BOGOTÁ Y SUS
LOCALIDADES
HELE : modelo Heckman Extendido por Localidades
Fuente: elaboración propia con base en ECV03.
Entre los modelos considerados en el sistema ELES, el coeficiente de Orshansky va desde 3, 05 con el modelo HSLE hasta 4, 05 con el modelo
HEGE . Lo anterior explica el incremento generalizado de los umbrales
de pobreza, que van desde 275.588 pesos hasta un valor similar al salario
mínimo legal de 2003 más el subsidio de transporte ($332.000 + $37.500)
383.105 pesos (Cuadro 5).
Una vez se corrigen las estimaciones por sesgos de selección, de acuerdo
con la Gráfica 1, la forma estructural del modelo se identificaba a partir de
los pronósticos de su forma reducida. Puede ocurrir que al examinar las
ecuaciones en un modelo multiecuacional, algunas de ellas se ajusten bien
a los datos y otras no. Por lo anterior, se requiere efectuar un juicio respecto
al “ajuste” estadístico del modelo en su conjunto y para ello se evaluaron
los pronósticos de cada uno de los modelos considerados28 .
28
Es posible encontrar un modelo con ecuaciones que tengan un ajuste estadístico muy
bueno (un elevado R2 , errores estándar pequeños, etcétera); sin embargo, cuando se
Estimación de coeficientes de Orshansky
Jorge Muñoz
213
CUADRO 5
COEFICIENTE DE ORSHANSKY Y UMBRAL DE LÍNEA DE POBREZA:
SISTEMA ELES CORREGIDO POR S.S.
Modelo
Orshansky
Línea de Pobreza
HSGE
3,17
$287.499
HSLE∗
3,05
$275.588
HEGE
4,05
$383.105
HELE∗
3,80
$346.149
Media
3,52
$323.085
DANE_05
2,45
$207.546
*Media de las estimaciones estructurales por localidad
S.S: Sesgos de Selección
HSGE : Heckman Simple Global
HSLE : Heckman Simple por Localidades
HEGE : Heckman Extendido Global
HELE : Heckman Extendido por Localidades
Fuente: elaboración propia con base en ECV03.
Después de un análisis gráfico, se utilizaron los criterios del error cuadrático medio y del coeficiente de Theil, asimismo, se descompuso dicho coeficiente para comparar el origen del error de pronóstico entre los modelos. Como se observa en el Cuadro 6, de acuerdo con los criterios REMC,
REMCP y el coeficiente de Theil, se prefiere la capacidad predictiva del
modelo HSLE .
CUADRO 6
EVALUACIÓN DE PRONÓSTICOS: SISTEMA ELES CORREGIDO POR SESGOS DE SELECCIÓN
Criterio
REMC1
REMCP2
EMA3
EMAP4
Theil
Bias
Var
Covar
HSGE
262.785
122 %
64.357
49 %
0,1374
4%
46 %
51 %
Modelo
HSLE
HEGE
261.163
263.145
121 %
161 %
65.831
69.352
50 %
54 %
0,1367
0,1375
4%
5%
45 %
45 %
51 %
50 %
HELE
265.944
189 %
75.381
60 %
0,1386
6%
45 %
49 %
HSGE: Heckman Simple Global; HSLE: Heckman Simple por loc.;
HEGE: Heckman Extendido Global; HELE: Heckman Extendido por loc.
1: Raiz del error cuadrático medio; 2: Raiz del error cuadrático medio porcentual; 3:Error medio
absoluto; 4: Error medio absoluto porcentual.
Fuente: elaboración propia con base en ECV03.
simula el modelo en su conjunto, el ajuste global puede ser deficiente. Esto puede suceder puesto que el comportamiento del modelo como un sistema puede tener muy poca
relación con la forma en que las ecuaciones individuales se ajustan a los datos. Por esta
razón, es importante utilizar algún criterio para evaluar el modelo multiecuacional, dado
que las consideraciones estadísticas por si solas son insuficientes, Pindyck y Rubinfeld
(1998, Capítulo 12).
214
Cuadernos de Economía, 28(50), 2009
En este sentido, si se utiliza este modelo para estimar la línea de pobreza
para Bogotá, dicho umbral estaría alrededor de 275.588 pesos, que es superior a la estimación del DANE (207.546 pesos). Cabe recordar que en el
modelo también se identificaron umbrales de indigencia para todas las localidades y para la ciudad en su conjunto (93.028 pesos), valor que estaría
por encima de la línea de indigencia estimada por el DANE para Bogotá
(84.563 pesos)29 .
Finalmente, aunque no es el objetivo de este documento, se presenta en el
Cuadro 7 el efecto sobre la incidencia de la pobreza en Bogotá al considerar
el umbral de pobreza estimado con el modelo HSLE , en comparación con
el que utiliza la Misión de Pobreza (MERPD)30 .
CUADRO 7
NÚMERO DE HOGARES POBRES PARA BOGOTÁ Y SUS LOCALIDADES
MERPD
Teusaquillo
3.824
Chapinero
3.172
Puente Aranda 15.265
Barrios Unidos
8.942
Engativá
43.546
Usaquén
14.078
Antonio Nariño 6.921
Fontibón
19.502
Kennedy
68.498
Tunjuelito
22.487
Suba
49.620
Rafael Uribe
43.611
Mártires
9.136
Bosa
67.591
Candelaria
3.149
Ciudad Bolívar 85.565
Santafé
14.903
San Cristobal
67.738
Úsme
38.790
Bogotá
586.338
HSLE ∆pobres ∆ %pobres
Total
MERPD HSLE
9.402
5.578
146 %
54.857
7%
17 %
10.877
7.705
243 %
52.972
6%
21 %
18.070
2.805
18 %
79.617
19 %
23 %
12.779
3.837
43 %
56.191
16 %
23 %
51.995
8.449
19 %
226.639
19 %
23 %
35.476 21.398
152 %
137.095
10 %
26 %
7.779
858
12 %
29.131
24 %
27 %
22.304
2.802
14 %
79.451
25 %
28 %
77.534
9.036
13 %
238.199
29 %
33 %
21.175 -1.312
-6 %
62.077
36 %
34 %
88.283 38.663
78 %
239.781
21 %
37 %
42.308 -1.303
-3 %
112.298
39 %
38 %
12.205
3.069
34 %
28.196
32 %
43 %
63.468 -4.123
-6 %
141.958
48 %
45 %
4.329
1.180
37 %
9.252
34 %
47 %
83.105 -2.460
-3 %
155.086
55 %
54 %
22.766
7.863
53 %
41.256
36 %
55 %
69.266
1.528
2%
126.433
54 %
55 %
40.732
1.942
5%
64.268
60 %
63 %
693.853 107.515
18 %
1.934.757 30 %
36 %
HSLE : Heckman Simple por Localidades en el sistema ELES
Fuente: elaboración propia con base en ECV03.
29
El valor de línea de indigencia proviene de la canasta estimada por Muñoz y Rivas
(2005), la cual se construyó con la información que proviene de la encuesta de ingresos
y gastos de 1994-1995 del DANE para una población de referencia del 25 %. Esta línea
se actualiza utilizando las variaciones del IPC de alimentos para ingresos bajos y su
valor para el primer trimestre de 2003 fue 84.563 pesos.
30
Solamente cuando el umbral de subsistencia alimentaria era inferior a la línea de indigencia calculada para Bogotá por Muñoz y Rivas (2005), se reemplazó por el valor de
dicha línea. Esto se explica porque la línea de indigencia, como se explicó en un comienzo, es el valor de una canasta básica de alimentos que contiene los requerimientos
mínimos nutricionales necesarios para el buen funcionamiento del organismo humano.
Estimación de coeficientes de Orshansky
Jorge Muñoz
215
CONCLUSIONES Y RECOMENDACIONES
La dificultad para establecer una medida que, con un buen grado de precisión, permita discriminar a la población de un país entre pobres y nopobres, incita a construir nuevas alternativas o a mejorar las ya existentes.
Disponer de aproximaciones aceptables sobre el nivel de pobreza de un país
redundará en que las políticas gubernamentales se hagan con un mayor grado de efectividad.
Existen muchas formas de estimar el umbral (línea de pobreza) que discrimina la población entre pobres y no-pobres. La estimación de sistemas
completos de demanda se presenta como una forma sencilla para calcular
dicho umbral basándose en el patrón de consumo de los hogares y en la
teoría microeconómica del consumidor. En este artículo se exploraron los
resultados obtenidos a partir del modelo ELES corregido por sesgo de selección, utilizando el proceso en dos etapas de Heckman. Dentro de este
marco de trabajo se estimaron formas simples y extendidas.
Específicamente, se destaca la utilidad que tiene el modelo ELES para estimar el umbral de pobreza no-alimentario. Comúnmente, después de calcular la línea de indigencia, la línea de pobreza resulta de multiplicar la
primera por el coeficiente de Orshansky. Con la metodología aquí propuesta, se obtuvo dicho coeficiente a partir de la estimación de los consumos
de subsistencia no-alimentarios. Esta metodología se presenta como una
forma alternativa a la tradicional; y además, tiene la ventaja de estar amparada en un marco conceptual más amplio y compacto a la luz de la teoría
microeconómica.
De acuerdo con los resultados, la mejor aproximación al umbral de pobreza
provenía de la estructura más parsimoniosa, concretamente los resultados
del modelo ELES simple por localidades. El coeficiente de Orshansky estimado con este modelo estaría alrededor de 3, 05, el cual es superior al
estimado por el DANE (2, 45), después de revisar la metodología con el
25 % de población de referencia. Es posible que la diferencia se explique
fundamentalmente por la utilización de la población de referencia que utilizó el DANE, dado que ésta pertenece al cuartil más pobre31 . Es de esperar
31
En las discusiones que se hicieron en el país, en el marco de numerosas conferencias
con expertos nacionales e internacionales (y en las que participaron Manuel Muñoz,
Guillermo Rivas el equipo técnico del MERPD y del DANE con Nanak Kakwani del
IPC, y Fernando Medina de la CEPAL), uno de las principales temas de controversia
fue la manera de escoger la población de referencia para el cálculo de los umbrales de
pobreza. Aunque existen numerosos métodos, todavía no existe consenso, ya que no ha
sido fácil llegar a un método robusto y que se utilice en la mayoría de los países.
216
Cuadernos de Economía, 28(50), 2009
que la participación del gasto en alimentos dentro del gasto total en los hogares más pobres sea mucho mayor, y por consiguiente, utilizar dicha población para estimar el coeficiente de Engel, subestimaría automáticamente
el coeficiente de Orshansky.
Este resultado controvierte el umbral de pobreza que actualmente utiliza el
MERPD, dado que puede estar subestimado, y por tanto, el resultado del
número de hogares pobres en Bogotá también. La subestimación alcanzaría
a ser aproximadamente de 107.515 hogares. De acuerdo con el MERPD estos hogares no serían pobres por ingresos, mientras que con la metodología
que aquí se propone si lo serían. En términos de la incidencia de la pobreza
en la ciudad, dicha diferencia se traduce en 6 puntos porcentuales.
De otro lado, es importante señalar que la estimación de la línea de indigencia a partir del modelo ELES, es más débil comparada con la metodología
tradicional. Esta última incorpora un mayor nivel de detalle para la construcción de la canasta alimentaria y esto hace que sea muy difícil que sea
superada por cualquier otra en sus resultados32 .
No obstante, con el modelo ELES se obtuvieron muy buenos resultados
en cuanto a la estimación de la línea de indigencia, al ser consistente para
todas las localidades de Bogotá y ubicarse muy cerca del valor de la canasta
de requerimientos mínimos nutricionales elaborada por Muñoz y Rivas -en
promedio se obtuvo una canasta levemente más costosa ($8.465 pesos).
Finalmente, para discusiones futuras, se propone continuar estimando la línea de indigencia como lo hace tradicionalmente el DANE (con la única
observación de revisar nuevamente la población de referencia que se utiliza
para su cálculo) y como paso seguido, calcular la línea de pobreza a partir
del Coeficiente de Orshansky con el modelo ELES corregido por sesgo de
selección. Asimismo, con el fin de disponer de una estructura de consumo
de los hogares actualizada, lo ideal sería llevar a cabo dichas estimaciones utilizando la encuesta más reciente de ingresos y gastos (EIG) que se
encuentre disponible.
32
La metodología que utilizan Muñoz y Rivas hace uso de una norma calórica que se
contrasta después con los hábitos de consumo de una población de referencia. Para
ello debe buscarse alimento por alimento y escoger sólo aquellos que cumplan dos
condiciones: (i) la norma calórica y (ii) hacer parte de la canasta alimentaria que
habitualmente consume la población de referencia. Finalmente, la canasta resultante se
valora a precios implícitos. Todo este procedimiento para la construcción de la línea
de indigencia es prácticamente artesanal y es muy difícil que otro método supere o
sustituya sus resultados.
Estimación de coeficientes de Orshansky
Jorge Muñoz
217
Se propone utilizar la información de la EIG, dado que los resultados del
método propuesto en este artículo pueden estar potencialmente influenciados por el error de estimación que hacen los hogares cuando se les pregunta
por gastos agregados. Asimismo, se debe advertir que el método es sensible
a la manera como se agrupan los bienes analizados, puesto que el modelo
ELES funciona para bienes complementarios (problema que con la ECV03
se obvió, dado que los bienes ya venían agregados). Por tal motivo, de utilizarse el modelo aquí propuesto con la información bien a bien a partir de
una EIG, se minimizaría considerablemente el error de estimación que cometen los hogares sobre los gastos agregados; no obstante, antes de estimar
dicho modelo debe existir un criterio de agrupación de bienes que cumpla
con la restricción de complementariedad.
REFERENCIAS BIBLIOGRÁFICAS
Christensen, L.R., Jorgenson, D.W. y Lawrence, J.L. (1975). Transcendental Logarithmic Utility Functions. The American Economic Review, 65(3), 367-383.
Deaton, A. (1974). A Reconsideration of the Empirical Implications of Additive
Preferences. The Economic Journal, 84, 338-348.
Deaton, A. (1987). Estimation of Own- and Cross-Price Elasticities from Household Survey Data. Journal of Econometrics, 36, 7-30.
Deaton, A. y Muellbauer, J. (1980a). An Almost Ideal Demand System. The
American Economic Review, 70(3), 312-326.
Deaton, A. y Muellbauer, J. (1980b). Economics and Consumer Behavior. Cambridge: Cambridge University Press.
Eicker, F. (1967). Limit theorems for regressions with unequal and dependent
errors. En L. LeCam y J. Neyman (eds.), Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability (59-82). Berkeley: University
of California Press.
Heckman, J. (1979). Sample Selection Bias as a Specification Error. Econometrica, 47(1), 153-161.
Howe, H. J. (1974). Estimation of the Linear and Quadratic Expenditure System:
A Cross Section Cost for Colombia, Tesis doctoral no publicada, Universidad de
Pensilvania.
Howe, H. J. (1975). Development of the Extended Linear Expenditure System
from simple saving assumptions. European Economic Review, 6(3), 305-310.
Howe, H. J. (1977). Cross-Section Application of Linear Expenditure Systems:
Responses to Sociodemographic Effects. American Journal of Agricultural Economics, 59(1), 141-148.
Huber, P. J. (1967). The Behavior of Maximum Likelihood Estimates under Nonstandard Conditions. En L. LeCam y J. Neyman (eds.), Proceedings of the Fifth
218
Cuadernos de Economía, 28(50), 2009
Berkeley Symposium on Mathematical Statistics and Probability (221-223). Berkeley: University of California Press.
Kakwani, N. (2001). On Specifying Poverty Lines. Trabajo presentado en el Asian
and Pacific Forum on Poverty: Reforming Policies and Institutions for Poverty
Reduction, Asian Development Bank, February 5-9, Manila.
Kockelman, K. M. (1998). A Utility-Theory-Consistent System-of-Demand-Equations Approach to Household Travel Choice. Tesis doctoral no publicada, Universidad de California en Berkeley.
Leser, C. E. V. (1963). Forms of Engel Functions. Econometrica, 31, 694-703.
MacFadden, D. (1964). Existence Conditions for Theil-Type Preferences. Manuscrito no publicado.
Muñoz, M. (1988). La pobreza en 13 ciudades colombianas (Boletín de estadística
del DANE, 429). Bogotá, DANE.
Muñoz, M. (1990). La pobreza medida a través de ingresos y gastos: un replanteamiento.(Boletín de estadística del DANE, 450). Bogotá, DANE.
Muñoz M. y Rivas, G.(2005). Los valores de las líneas de Indigencia encontrados con la EIG1994-95, utilizando la metodología de 1988 (Documento Técnico
DANE). Bogotá: DANE.
Muñoz, M., Ramírez, M. y Rivas, G.(1998). El consumo de los hogares en 23
capitales de departamentos colombianos, Boletín de estadística del DANE, 540:
10-25.
Pindyck, R.S. y Rubinfeld, D.L. (1998). Econometric Models and Economic Forecast. 4a edición. New York: McGraw-Hill.
Pollack, R.A. y Wales, T. J. (1969). Estimation of the linear expenditure system.
Econometrica, 37, 611-28.
Pollack, R.A. y Wales, T. J. (1978). Estimation of Complete Demand Systems
from Household Budget Data: The Linear and Quadratic Expenditure Systems.
The American Economic Review, 68(3), 348-359.
Pollack, R.A. y Wales T. J. (1980). Comparison of the Quadratic Expenditure
System and Translog Demand Systems with Alternative Specifications of Demographic Effects. Econometrica, 48(3), 595-612.
Ramírez, M. (1989). Estimación y Utilización de Sistemas Completos de Ecuaciones de Demanda. Desarrollo y Sociedad, 24: 13-49.
Ravallion, M. (1999). Las líneas de Pobreza en la Teoría y en la Práctica, presentación realizada en el cuarto taller regional: La medición de la pobreza: El Método
de las Líneas de Pobreza, Instituto Nacional de Estadísticas y Censos (INDEC),
Comisión Económica para América Latina y el Caribe (CEPAL), Buenos Aires
(Argentina), 16 al 19 de noviembre.
Ravallion, M. y Bidani, B.(1994). How Robust is a Poverty Profile?. The World
Bank Economic Review, 8: 75-102.
Reddy, S. y Pogge, T.(2003). How Not the Count the Poor. New York: UNDP. Disponible
en
Estimación de coeficientes de Orshansky
Jorge Muñoz
219
http://www.undp.org/povertycentre/publications/poverty/HowNOTtocountthepoorSANJAYREDDY.pdf
Rivas, G. (2000). Patrones de demanda de los hogares en las cuatro principales
ciudades de Colombia: Bogotá, Cali, Medellín y Barranquilla. Tesis de maestría
no publicada, Facultad de Ciencias Económicas, Universidad Nacional de Colombia.
Stone, J.R. (1954). Linear Expenditure Systems and Demand Analysis: An Application to the Pattern of British Demand. Economics Journal, 64, 511-527.
STATA (2008). Statistical Software. College Station, TX: Stata Press.
Theil, H. (1965). The Information Approach to Demand Analysis. Econometrica,
33, 67-87.
Working, H. (1943). Statistical Laws of Family Expenditures. Journal of the
American Statistical Association, 38, 43-56.
White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator
and Direct Test for Heteroskedasticity. Econometrica, 48, 817-838.
ANEXO 1
Resultados de la forma reducida alternativa (forma funcional simple)
MODELO HEGE : Parámetros de forma reducida
Rubro
Alimentos
Educación
Vestido
transporte
Vivienda
Salud
Personales
Ahorro
Condición
Umbral de Pobreza
Coef. Orshansky
ELES sin correccion∗
alpha
beta
GAMMA
69.430
0,10
93.837
20.142
0,02
25.333
2.965
0,03
10.351
21.000
0,01
24.244
-794
0,05
10.629
11.033
0,06
27.023
-45.441
0,41
56.584
-78.334
0,32
0
0,0
1,0
248.000
2,64
*Corrección por sesgos de selección
Cálculos propios con base en ECV03
Fuente: elaboración propia.
ELES con correccion∗
alpha
beta
GAMMA
75.119
0,05
90.770
19.458
0,08
42.299
17.530
0,01
21.350
24.903
0,02
31.010
6.323
0,04
17.083
20.281
0,06
37.816
-77.784
0,43
47.170
-85.831
0,30
0
0,0
1,0
287.499
3,17
220
Cuadernos de Economía, 28(50), 2009
MODELO HSLE : Parámetros de forma reducida
Vestido
Transporte
Vivienda
Salud
Personales
Ahorro
Condición
Educación
Usaquén
Chapinero
Santafé
S. Cristobal
Úsme
Tunjuelito
Bosa
Kennedy
Fontibón
Engativá
Suba
B. Unidos
Teusaquillo
Mártires
A. Nariño
P. Aranda
Candelaria
R. Uribe
C. Bolívar
beta
alpha
Alimentos
Localidad
94.476
148.269
67.583
57.627
45.367
66.867
69.611
79.109
80.476
80.605
79.545
76.170
99.570
84.484
70.964
72.737
74.998
67.668
67.954
0,048
46.979
49.351
23.423
9.783
3.461
11.369
12.378
15.081
29.191
23.780
38.253
43.477
47.162
24.571
16.957
31.094
30.206
10.727
6.176
0,069
21.454
37.688
16.995
13.378
13.745
13.736
17.122
16.277
18.453
17.493
18.689
17.023
25.162
16.528
16.168
19.831
20.691
13.015
13.549
0,012
25.398
34.703
32.340
23.550
20.215
23.219
21.610
23.856
25.407
27.720
26.563
29.050
30.809
24.479
23.153
24.427
27.558
23.469
24.489
0,020
26.539
40.133
1.619
1.853
2.740
2.764
1.377
3.601
5.187
5.057
13.336
9.197
13.907
2.256
3.522
2.754
3.052
2.432
2.098
0,034
44.387
109.609
24.067
18.003
12.543
12.040
12.100
12.072
22.002
17.735
29.063
31.988
40.671
19.918
17.608
18.240
16.772
10.146
7.266
0,054
-116.663
-201.438
-40.115
-67.512
-51.683
-68.653
-71.175
-70.576
-100.200
-91.539
-81.046
-113.382
-117.748
-73.457
-73.681
-86.831
-66.558
-63.697
-58.370
0,448
-142.570
-218.315
-125.912
-56.682
-46.387
-61.342
-63.023
-79.421
-80.516
-80.851
-124.404
-93.523
-139.534
-98.780
-74.690
-82.251
-106.719
-63.759
-63.163
0,315
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
Cálculos propios con base en ECV03
Fuente: elaboración propia.
ANEXO 2
Resultados de la forma reducida alternativa (forma funcional extendida)
MODELO HEGE : Parámetros de forma reducida
Coef.
alpha
beta
η1
η2
η3
η4
η5
η6
η7
η8
η9
η10
η11
Alimentos
75.002
0,05
8.238
13.400
-19.543
-8.315
8.170
11.726
-5.050
609
-40.637
7.885
-12.747
Educación
31.524
0,08
2.659
4.998
-15.146
-15.745
19.080
-8.369
-18.411
20.770
-15.435
-5.230
-11.056
Vestido
13.487
0,01
10.450
-311
-1.819
47
9.802
5.900
1.225
-1.029
-2.238
2.261
-162
Cálculos propios con base en ECV03
Fuente: elaboración propia.
Transporte
39.657
0,02
-10.069
-3.487
-10.158
-17.801
-3.472
-9.871
-13.122
-15.729
-11.776
-13.378
-7.078
Vivienda
5.890
0,04
2.427
2.733
-1.225
-4.848
2.343
41.859
7.845
30.756
-4.811
-2.823
-1.353
Salud
26.881
0,06
-5.382
-8.806
-9.663
-11.021
-3.396
13.429
-8.885
15.118
8.040
-4.316
-1.886
Personales
-76.386
0,44
-29.876
-20.525
11.661
6.317
-32.179
-58.054
-11.978
-60.439
19.038
-1.490
16.383
Ahorro Condición
-116.054
0
0,30
1
21.554
0
11.997
0
45.894
0
51.366
0
-348
0
3.381
0
48.376
0
9.944
0
47.818
0
17.090
0
17.900
0
Estimación de coeficientes de Orshansky
Jorge Muñoz
221
MODELO HELE : Parámetros de forma reducida
Localidad
alpha
Condición
Alimentos Educación Vestido Transporte Vivienda Salud Personales Ahorro
Usaquén
90.227
57.016 16.417 38.951 20.458 47.506 -108.285 -162.290
0
Chapinero 143.927 59.748 32.787 47.029 30.436 111.602 -186.974 -238.556
0
Santafé
66.754
31.895 12.178 45.817
918 28.197 -40.523 -145.237
0
S. Cristobal 58.559
19.256 8.882 38.608
895 22.232 -66.504 -81.928
0
Úsme
44.948
12.786 9.764 35.724
2.738 16.560 -51.007 -71.513
0
Tunjuelito
65.732
18.848 9.270 37.049
2.061 15.895 -66.118 -82.735
0
Bosa
67.019
20.568 12.223 36.091
108 15.634 -63.352 -88.291
0
Kennedy
76.895
25.209 12.013 38.079
2.819 16.444 -69.672 -101.787
0
Fontibón
77.113
38.721 13.966 39.323
2.275 25.376 -93.435 -103.339
0
Engativá
76.527
30.535 12.582 40.884
3.806 21.567 -84.684 -101.216
0
Suba
76.434
47.792 14.317 40.087 10.724 32.645 -78.739 -143.260
0
B. Unidos
71.405
51.270 12.007 42.116
6.080 35.097 -101.102 -116.874
0
Teusaquillo 95.663
54.712 20.590 43.993
8.330 43.567 -104.692 -162.165
0
Mártires
81.545
33.807 11.562 38.626
-830 23.564 -66.191 -122.084
0
A. Nariño
67.321
24.625 11.081 37.184
1.777 21.326 -65.335 -97.979
0
P. Aranda
70.067
39.703 14.834 38.503
1.673 22.514 -85.037 -102.257
0
Candelaria 72.103
37.957 16.073 41.228
703 20.494 -60.594 -127.964
0
R. Uribe
66.948
21.109 9.097 38.543
1.227 14.039 -62.169 -88.794
0
C. Bolívar
68.566
16.557 9.266 39.270
2.287 11.654 -59.088 -88.513
0
beta
0,046
0,066
0,011
0,019
0,033 0,053
0,455
0,316
1
η1
10.731
6.152 11.132 -9.618
3.706 -2.581 -30.438 10.916
0
η2
14.002
9.112
141
-3.576
3.735 -7.115 -18.750 2.452
0
η3
-18.014 -13.471 -1.255 -9.896
-163 -7.081
8.962
40.919
0
η4
-6.093
-12.757 1.018 -17.324 -3.245 -6.975
4.760
40.615
0
η5
5.691
18.313 9.152 -3.873
2.132 -5.080 -27.756 1.420
0
η6
2.503
-14.791 3.374 -10.820 37.065 1.671 -42.170 23.167
0
η7
-5.463
-18.703 1.092 -12.989 7.642 -10.386 -11.061 49.867
0
η8
-6.427
11.869 -4.026 -16.521 28.234 5.658 -46.449 27.661
0
η9
-36.788 -12.173 -1.436 -11.723 -3.905 8.362 24.670 32.993
0
η10
10.068
-2.828 2.848 -12.833 -1.695 -1.403 -2.910
8.753
0
η11
-10.604
-9.557
478
-6.548
-288
-854
15.109 12.263
0
Cálculos propios con base en ECV03
Fuente: elaboración propia.